SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

おすすめのイベント

  • MarkeZine Day 2020 Autumn Kansai

おすすめの講座

  • [11月12日]Googleアナリティクス実践講座~基本操作編

おすすめのウェビナー

  • MarkeZine Day 2020 Autumn Kansai

マーケティングは“経営ごと” に。業界キーパーソンへの独自取材、注目テーマやトレンドを解説する特集など、オリジナルの最新マーケティング情報を毎月お届け。

定期誌「MarkeZine」

第62号(2021年2月号)
特集「D2Cビジネス成功の法則」

定期誌購読者なら
誌面がウェブでも読めます

MarkeZine Day 2019 Spring(PR)

AI×MAでデータドリブンマーケティングを加速せよ/アクティブコアが語る、顧客データ活用テクニック

 Web、メール、LINE、アプリ、店舗など、顧客は様々なチャネルを経由して行動している。顧客一人ひとりに最適化された施策を行うためには、これらの顧客行動データを統合・分析し、顧客理解を深めることが重要だ。「MarkeZine Day 2019 Spring」に登壇したアクティブコアの山田賢治氏は、顧客行動データを「AI×マーケティングオートメーション」で分析・活用して売上を最大化する方法を、多数の事例とともに惜しみなく紹介した。

データ分析・レコメンド・MAをひとつに

 アクティブコアでは、データ分析・レコメンド・マーケティングオートメーション(以下、MA)機能をひとつにまとめた「マーケティングクラウド」を提供している。代表取締役社長を務める山田賢治氏は、同社のマーケティングクラウドの特徴を次のように述べる。

 「アクティブコアのマーケティングクラウドは、オンライン・オフラインの行動履歴や、年齢・性別などの顧客属性、購買履歴等、散在するすべての顧客データを統合して管理することができます。蓄積したデータを独自開発したAIで分析し、ユーザー毎に最適なタイミングでアプローチします。そして、MAによってメール配信や、LINE、アドネットワーク等への広告配信などを自動化します」(山田氏)

株式会社アクティブコア 代表取締役社長 山田賢治氏
株式会社アクティブコア 代表取締役社長 山田賢治氏

 アクティブコアのレコメンド機能は、ディープラーニングを活用することで、ユーザーの特徴・嗜好から「類似ユーザーが好む商品」をレコメンドできることが特徴だ。

 「Amazonのレコメンドエンジンなどで採用されている、『これを見た人はこれも買っています』というのを表示する協調フィルタリングとは別に、ディープラーニングで顧客の特徴を洗い出して、その特徴と類似する人の購入データからレコメンドするという独自のレコメンドエンジンをMAに組み込んでいます。当社の利用企業様の比較では、こちらのエンジンのほうが協調フィルタリングと比べてCVRが20%ほど高くなっています」(山田氏)

AI・ディープラーニングで顧客行動を予測する

 データ分析にはAIを活用しており、たとえばサイト訪問したら何点、メルマガから流入したら何点というように、AI側でユーザーの行動に重み付けをしていき、コンバージョンする確率などを予測している。顧客属性や商品情報といった「学習データ」とあわせて、購入した人やコンバージョンした人の情報などの「教師データ」を与えることで学習し、AIの分析精度はどんどん上がっていく。

AIによる重み付け
AIによる重み付け

 「このとき、教師データを7割ほどAIに教え、予測モデルを作ります。たとえば、そのモデルの正解率を、残りの3割と照らし合わせて確認します。正解率が高ければ、良いモデルと言えます」(山田氏)

AIの予測モデル作成とその正解率
AIの予測モデル作成とその正解率

 山田氏は、化粧品通販の事例を取り上げ、「教師データの量とAIの正解率」の関係を次のように説明する。

 「こちらは、最初に無料サンプルを注文してもらって、本購入で初めて費用が発生し、以降は毎月定期購入してもらうというビジネスモデルの企業です。まず流入経路の情報だけをAIに与えると、予測モデルの正解率は15.7%ととても低くなりました。そして購入者に響いた広告が掲載された媒体やキャッチコピーといった情報を与えたところ、29.1%まで上昇。さらにサイト内の閲覧データなどを与えたら、86.2%と予測モデルの正解率が大幅に上がりました」(山田氏)

データが多いほど、AIによる予測モデルの正解率は高くなる
データが多いほど、AIによる予測モデルの正解率は高くなる

 「当たり前ではありますが、教師データが多ければ多いほど、AIの予測精度も高くなります。様々なデータを統合する意味は、ここにあります。広告だけ、サイトだけとデータが分断していては、分析・予測の精度が低くなるということです」(山田氏)

次のページ
嗜好を機械学習し、パーソナライズしたレコメンドを行う

この記事は参考になりましたか?

  • Facebook
  • Twitter
  • Pocket
  • note
MarkeZine Day 2019 Spring連載記事一覧

もっと読む

関連リンク
この記事の著者

平田 順子(ヒラタ ジュンコ)

フリーランスのライター・編集者。大学生時代より雑誌連載をスタートし、音楽誌やカルチャー誌などで執筆。2000年に書籍『ナゴムの話』(太田出版刊)を上梓。音楽誌『FLOOR net』編集部勤務ののちWeb制作を学び、2005年よりWebデザイン・マーケティング誌『Web Designing』の編集を行...

※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です

この記事は参考になりましたか?

この記事をシェア

Special Contents

PR

Job Board

PR

おすすめ

イベント

    • MarkeZine Day 2020 Autumn Kansai
    • MarkeZine Day 2020 Autumn Kansai
    • MarkeZine Day 2020 Autumn Kansai

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー

アクセスランキング

アクセスランキング